文献

J-GLOBAL ID：201802283553610141   整理番号：18A0166220

加重非負行列因数分解を用いた教師つきおよび半教師つき音声強調【Powered by NICT】

Supervised and semi-supervised speech enhancement using weighted nonnegative matrix factorization

著者 (3件)： Zou Xia (Lab. of Intelligent Information Processing The Army Engineering University of PLA, Nanjing 210007, China) ,  Hu Yonggang (Research School of Engineering, Australian National University Canberra, 2601, Australia) ,  Zhang Xiongwei (Lab. of Intelligent Information Processing The Army Engineering University of PLA, Nanjing 210007, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WCSP  ページ： 1-5  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： アルゴリズムで使用される事前知識によれば,NMFベース音声強調法を教師つき(NMF)と半教師つき(SNMF)に分類することができる。教師つきバージョンでは,音声は音声と雑音の事前知識を用いて推定した。半教師つき版では,音声塩基を事前にクリーン音声データに学習され,異なる雑音条件に適応させた。あるフレームにおける音声が存在するか否かの確率的推定を用いて,この論文では,乗法的更新プロセスへの音声存在確率(SPP)を組み込むことによって両方NMFとSNMFベース音声強調技法への拡張を提示した。アルゴリズムの性能を,種々の信号対雑音比(SNR)レベルで二十のノイズタイプのTIMITに実験を行うことにより三計量(PESQ,LSDおよびSDR)で評価した。全ての提案したアルゴリズムは,従来のNMF,SNMFベース音声強調技法よりも優越性を示し,またいくつかの教師なしの最先端アルゴリズムより良好な性能を得た。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *音声強調 ,  雑音 ,  乗算 ,  アルゴリズム ,  SN比
準シソーラス用語： 最先端 ,  存在確率 ,  音声データ ,  事前知識 ,  *非負行列因子分解 ,  *加重 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 加重 ,  非負行列因数分解 ,  教師 ,  音声強調